FloorPlanCAD：用于全景符号 spotting 的大规模 CAD 图纸数据集
计算机视觉与模式识别
2021-12-01 v2
摘要
获取大规模且多样的计算机辅助设计（CAD）图纸对于开发符号 spotting 算法至关重要。本文中，我们提出 FloorPlanCAD，一个包含超过 10,000 份平面图的大规模真实世界 CAD 图纸数据集，范围涵盖住宅到商业建筑。数据集中的 CAD 图纸均以矢量图形表示，使我们能够提供 30 个对象类别的线级标注。借助此类标注，我们引入了全景符号 spotting 任务，其要求不仅 spotting 可数物体的实例，还要 spotting 不可数物质的语义。为解决该任务，我们提出一种结合图卷积网络（GCNs）与卷积神经网络（CNNs）的新颖方法，可捕获非欧氏与欧氏特征并端到端训练。所提 CNN-GCN 方法在语义符号 spotting 任务上取得了最先进（SOTA）性能，并帮助我们为全景符号 spotting 任务建立基线网络。我们的贡献有三：1）据我们所知，所呈现的 CAD 图纸数据集是同类首个；2）全景符号 spotting 任务将物体实例与物质语义的 spotting 视为一个识别问题；3）我们基于新颖的 CNN-GCN 方法提出了全景符号 spotting 任务的基线方案，其在语义符号 spotting 上取得了 SOTA 性能。我们相信这些贡献将推动相关领域的研究。
引用
@article{arxiv.2105.07147,
title = {FloorPlanCAD: A Large-Scale CAD Drawing Dataset for Panoptic Symbol Spotting},
author = {Zhiwen Fan and Lingjie Zhu and Honghua Li and Xiaohao Chen and Siyu Zhu and Ping Tan},
journal= {arXiv preprint arXiv:2105.07147},
year = {2021}
}
备注
v2, 17 pages, 16 figures